claude-3-5-sonnet-20241022· Anthropic LMArena Human Preference 140K
Investiga detenidamente cuales son los mejores sitios web, en donde puedas encontrar los…
- User
Investiga detenidamente cuales son los mejores sitios web, en donde puedas encontrar los benchmark mas confiables y actualizados, sobre que inteligencia artificial es mas inteligente
- Assistant
Te presento los sitios más confiables para comparar el rendimiento de IAs, ordenados por relevancia:
- LMSYS Chatbot Arena
- chat.lmsys.org
- Permite comparar IAs directamente mediante pruebas A/B
- Actualización constante con nuevos modelos
- Rankings basados en evaluaciones humanas reales
- Incluye modelos comerciales y open source
- Hugging Face Leaderboards
- huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard
- Benchmarks estandarizados y transparentes
- Enfoque en modelos open source
- Métricas como MMLU, GSM8K, TruthfulQA
- Stanford HELM
- crfm.stanford.edu/helm
- Evaluación académica rigurosa
- Mide múltiples aspectos: rendimiento, sesgos, toxicidad
- Metodología transparente y reproducible
- Papers With Code
- paperswithcode.com/sota
- Seguimiento de avances en investigación
- Resultados verificables con código
- Múltiples categorías de evaluación
- MLCommons
- mlcommons.org
- Estándares de la industria
- Benchmarks imparciales
- Enfoque en rendimiento técnico
Para una evaluación completa, recomiendo revisar principalmente LMSYS Chatbot Arena y Stanford HELM, ya que ofrecen las comparativas más actualizadas y metodológicamente sólidas.
¿Te gustaría que profundice en alguno de estos recursos en particular?
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.